Proceso de cálculo de víctimas documentadas
Desapariciones forzadas desagregadas por perpetrador - 1985–2016
Introducción
Si es su primera vez trabajando con los datos, no está muy familiarizado con el
paquete o simplemente quiere conocer más sobre el proyecto y el objetivo de
estos ejemplos y el paquete verdata, consulte:
https://github.com/HRDAG/CO-examples/blob/main/Introducción/output/Introducción.html
antes de continuar.
En este ejemplo, se ilustrará el proceso para obtener los datos documentados de la presente violación. Específicamente, se replicará la figura 4 (sup-izq) de la página 17 y la tabla 12 de la página 21 del anexo metodológico del proyecto.
Autenticando e importando la base de datos (réplicas)
Se comienza autenticando e importando la base de datos, esto a
través de dos funciones del paquete verdata: las funciones confirm_files y
read_replicates. La autenticación de los datos es pertinente dado que estos
fueron publicados con la licencia de atribución 4.0 internacional de Creative Commons
(CC BY 4.0). Esta licencia permite la distribución y modificación de la
información. Considerando que usted pudo haber llegado a estos datos por medio
de diferentes fuentes, es importante que sepa si han sido modificados o no, para
lo que puede hacer uso de estas dos funciones.
La función confirm_files autentica los archivos que han sido descargados.
Considerando que cada violación tiene hasta 100 réplicas, esta función permite
autenticar cada uno de estos archivos sin necesidad de leerlos a R. Esto, en
caso de querer ahorrar recursos computacionales, o en caso de que no vaya a
realizar su análisis con todas las réplicas. Esta función devolverá el mensaje
“You have the right file!” si los archivos son iguales a los publicados, o
el error “This file is not identical to the one published. This means the results of the analysis may potentially be inconsistent.” en caso contrario.
Además, la función read_replicates permite 2 cosas: leer las réplicas a R en
una sola tabla (ya sea a partir de un formato csv o parquet) y verificar
que el contenido de las réplicas sea exactamente igual al publicado.
Cuando el argumento crash tiene su valor por default (TRUE), la función
retorna un objeto (data frame) si el contenido es igual, y el mensaje
“The content of the files is not identical to the ones published. This means the results of the analysis may potentially be inconsistent.” si el contenido de la base fue
previamente alterado/modificada, lo que quiere decir que los análisis que el
usuario realice hacer serán inconsistentes y llevarán a resultados erróneos.
Este último error significa que nos datos no se han leído a R. Si por alguna
razón, usted quiere leer los datos a pesar de saber que no son los mismos datos
originamente publicados, puede cambiar el argumento crash a FALSE, y,
en ese caso, podrá ver los datos, junto con el mismo mensaje de advertencia.
En este ejemplo trabajaremos las réplicas 1 a la 10. Usted puede trabajar con las réplicas que desee de acuerdo con los análisis que desee realizar. Además, como se ha mencionado, esta información documentada se refiere a las víctimas que fueron registradas originalmente en las bases (y en el que algunos registros contienen campos faltantes). Es decir, contrario a los ejemplos de imputación, esta documentación no cambia para ninguna réplica, por lo que si usted quiere obtener lo que las fuentes documentaron o registraron, puede optar por diferentes números de réplica y no solamente las 10 primeras que se usaron en la Comisión de la Verdad.
replicas_datos <- verdata::read_replicates(here::here("verdata-parquet/desaparicion"),
"desaparicion", 1, 10)
paged_table(replicas_datos, options = list(rows.print = 10, cols.print = 5))Vemos que tenemos 1 720 970 registros, nuestras réplicas van desde la número 1 hasta la 10. Además, nuestros datos tienen información sobre la categoría de edad de la víctima, el presunto perpetrador, el sexo, el año del hecho, la pertenencia étnica, entre otros.
Víctimas documentadas
Después de importar la información es momento de obtener la información de las
víctimas documentadas por nuestra variable de interés.
Estos datos son aquellos que ya se observaban en la base integrada y que
en ocasiones contenían campos faltantes en algunas de las variables.
Usaremos la función summary_observed para calcular dicha documentación.
Como se puede ver, los argumentos de la función son: 1) la violación a analizar;
2) los datos replicas_filtradas; 3) strata_vars, que para este ejemplo
será la variable de p_str; 4) le sigue el argumento de conflict_filter
que filtra a aquellas personas que fueron víctimas dentro del marco del conflicto
armado (variable is_conflict == TRUE) o no (variable is_conflict == FALSE).
Esta función también incluye un argumento denominado 5) forced_dis_filter, que
aplica únicamente a esta violación. Esta indica si la víctima fue desaparecida de forma “forzada” (forced_dis == TRUE) o no (forced_dis == FALSE).
También contamos con otros argumentos: 6) edad_minors_filter que filtra por
víctimas menores de edad (edad_minors_filter = TRUE) documentadas por los
proyectos y/o instituciones; 7) include_props que permite incluir el cálculo
de las proporciones para las variables de interés (include_props = TRUE);
8) include_props_na que permite incluir la proporción de NA’s en la tabla
(prop_obs_na = TRUE). Cabe aclarar que el número de digitos por defecto es = 2.
tabla_documentada <- verdata::summary_observed("desaparicion",
replicas_datos,
strata_vars = "p_str",
conflict_filter = TRUE,
forced_dis_filter = TRUE,
edad_minors_filter = FALSE,
include_props = TRUE,
include_props_na = TRUE)
paged_table(tabla_documentada, options = list(rows.print = 4, cols.print = 4))grafica_tabla <- tabla_documentada %>%
na.omit()
grafica <- ggplot(grafica_tabla,
aes(x = reorder(p_str , -observed), y = 0)) +
geom_col(aes(y = observed, fill = "Observado"), color = "#2F2F2F") +
scale_y_continuous(labels = function(n){format(n, scientific = FALSE)}) +
theme_minimal() +
theme(legend.title = element_text(size = 6, face = "bold"),
legend.text = element_text(size = 9, face = "bold"),
legend.position = c(0.7, 0.7)) +
theme(axis.text.x = element_text(angle = 50, hjust = 1, face = "bold")) +
theme(legend.position = "top") +
labs(x = "Perpetradores",
y = "Número de víctimas documentadas",
fill = "") +
scale_fill_manual(values = c("Observado" = "#2F2F2F"))
grafica
Entonces, lo primero que podemos evidenciar que estas son las víctimas desaparecidas
de forma forzada que fueron documentadas dentro del marco del conflicto armado,
es decir, excluimos aquellas víctimas no relacionadas y también a aquellas en la
que existía ambigüedad de si hacían parte o no de dicho fenómeno (es decir,
que presentan campos faltantes). Además, evidenciamos que no conocemos el perpetrador de 59 894 víctimas de esta violación, por lo que en el siguiente ejemplo veremos que estas fueron objeto de la imputación estadística múltiple y
que por ende estas víctimas “pasaron” a ser parte de una de estas categorías
(respecto nuestra variable de interés y a alguna de las dos categorías de
“pertenece al conflicto”). Seguido de esto vemos que 29 368
personas fueron documentadas como víctimas de los grupos paramilitares mientras que 12 451
fueron víctimas de las FARC-EP.
Por último, guardamos los resultados (en formato .parquet) en una carpeta denominada “output-documentados”, ya que esta tabla nos servirá como insumo para el cálculo de la combinación de las imputaciones (o réplicas) acorde con las reglas de combinación de Rubin.